基于YOLO的金属板缺陷检测
计算机视觉与模式识别
2025-10-06 v2 人工智能
机器学习
图像与视频处理
信号处理
摘要
本文提出了一种基于YOLO的深度学习(DL)模型,用于自动缺陷检测,以解决工业制造中耗时且工作量大的任务。在实验中,我们将金属板图像作为训练YOLO模型的数据集,以检测金属板表面和孔内的缺陷。然而,金属板图像的缺乏显著降低了检测精度。为此,我们采用ConSinGAN生成大量数据。将YOLO模型的四个版本(i.e.,YOLOv3、v4、v7和v9)与ConSinGAN结合进行数据增强。实验结果表明,采用ConSinGAN的YOLOv9模型在其他YOLO模型中性能最佳,检测准确率达91.3%,检测时间为146毫秒。该YOLOv9模型被集成到制造硬件和监控控制数据采集(SCADA)系统中,以建立一个实用的自动光学检验(AOI)系统。此外,该提出的自动缺陷检测方法 easily 应用于工业制造中的其他组件。
引用
@article{arxiv.2509.25659,
title = {YOLO-Based Defect Detection for Metal Sheets},
author = {Po-Heng Chou and Chun-Chi Wang and Wei-Lung Mao},
journal= {arXiv preprint arXiv:2509.25659},
year = {2025}
}
备注
5 pages, 8 figures, 2 tables, and published in IEEE IST 2024